Customer Journey Analytics BI-tillägg

NOTE
Du måste ha paketet Select eller senare för att kunna använda de funktioner som beskrivs i det här avsnittet. Kontakta administratören om du är osäker på vilket Customer Journey Analytics-paket du har.

Customer Journey Analytics BI extension aktiverar SQL-åtkomst till de datavyer som du har definierat i Customer Journey Analytics. Dina datatekniker och analytiker kanske känner bättre till Power BI, Tableau Desktop eller andra verktyg för affärsintelligens och visualisering (kallas även BI-verktyg). De kan nu skapa rapporter och kontrollpaneler baserat på samma datavyer som Customer Journey Analytics-användare använder när de skapar sina Analysis Workspace-projekt.

Adobe Experience Platform frågetjänst är SQL-gränssnittet till data som är tillgängliga i datasjön i Experience Platform. När Customer Journey Analytics BI extension är aktiverat utökas funktionaliteten för Query Service så att du kan se dina Customer Journey Analytics-datavyer som tabeller eller vyer i en Query Service -session. Det innebär att de verktyg för affärsintelligens som använder Query Service som PostgresSQL-gränssnitt sömlöst drar nytta av den här utökade funktionen.

De viktigaste fördelarna är:

  • Du behöver inte återskapa en motsvarande representation av Customer Journey Analytics datavyer i BI-verktyget.
    Se Datavyer för mer information om funktionaliteten hos datavyer för att förstå vad som måste återskapas.
  • Bättre enhetlighet i rapportering och analys mellan BI-verktyg och Customer Journey Analytics.
  • Kombinera Customer Journey Analytics-data med andra datakällor som redan finns i BI-verktyg.

Förutsättningar

Om du vill använda den här funktionen kan du använda förfallande eller ej förfallande autentiseringsuppgifter för att ansluta BI-verktyg till Customer Journey Analytics BI extension. Guiden Autentiseringsuppgifter innehåller mer information om hur du anger förfallodatum för autentiseringsuppgifter eller ej förfallande autentiseringsuppgifter.
Nedan visas ytterligare steg för att konfigurera CJA-behörigheter

Utgående autentiseringsuppgifter

Om du vill använda utgångsdatum för inloggningsuppgifter kan du:

  • Ge åtkomst till Experience Platform och Customer Journey Analytics.
  • Ge produktadministratören åtkomst till Customer Journey Analytics så att du kan visa, redigera, uppdatera eller ta bort anslutningar och datavyer.

Eller så kan du:

  • Ge åtkomst till de datavyer du vill komma åt.
  • Bevilja åtkomst till Customer Journey Analytics BI-tillägget.

Referenser som inte förfaller

Så här använder du ej förfallande autentiseringsuppgifter:

  • Skapa inloggningsuppgifter som inte förfaller i Experience Platform.
  • Bevilja åtkomst till de autentiseringsuppgifter som inte förfaller genom att följa stegen som anges i Utgående autentiseringsuppgifter.

Mer information finns i Åtkomstkontroll för kundresa, särskilt Tilläggsbehörigheter för produktadministratör och Customer Journey Analytics-behörigheter i Admin Console.

Användning

Om du vill använda funktionen Customer Journey Analytics BI extension kan du antingen använda SQL direkt eller använda dra och släpp-funktionen som är tillgänglig i det specifika BI-verktyget.

SQL

Du kan använda funktionerna direkt i SQL-satser med antingen Frågeredigeraren eller en vanlig PostgresSQL-klient (CLI).

Frågeredigerare

I Adobe Experience Platform:

  1. Välj **** Frågor **** från ​ DATAHANTERING ​ i den vänstra listen.

  2. Välj Skapa fråga ​ Skapa fråga ​.

  3. Välj cja-databasen för din sandlåda i listan över databaser i listrutan Database. Till exempel prod:cja.

  4. Om du vill köra frågan skriver du SQL-satsen och väljer knappen Spela upp (eller trycker på [SHIFT] + [ENTER]).

PostgresSQL CLI
  1. Söka efter och kopiera dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:

    1. Välj **** Frågor **** i den vänstra listen (under ​ DATAHANTERING ​).

    2. Välj ​ Autentiseringsuppgifter ​ i det övre fältet.

    3. Välj cja-databasen för din sandlåda i listan över databaser i listrutan Database. Till exempel prod:cja.

    4. Om du vill kopiera kommandosträngen använder du Kopiera i avsnittet ​ PSQL-kommando ​.

  2. Öppna ett kommando eller ett terminalfönster.

  3. Om du vill logga in och börja köra dina frågor klistrar du in kommandosträngen i terminalen.

Mer information finns i Användargränssnittsguiden för frågeredigeraren.

BI-verktyg

För närvarande stöds och testas Customer Journey Analytics BI extension för de verktyg som anges nedan. Andra BI-verktyg som använder PSQL-gränssnittet kan också fungera, men stöds ännu inte officiellt.

Power BI
  1. Här hittar du information om dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:

    1. Välj **** Frågor **** i den vänstra listen (under ​ DATAHANTERING ​).

    2. Välj ​ Autentiseringsuppgifter ​ i det övre fältet.

    3. Välj cja-databasen för din sandlåda i listan över databaser i listrutan Database. Till exempel prod:cja.

    4. Använd Kopiera om du vill kopiera var och en av Postgres-autentiseringsparametrarna (Host, Port, Database, Username med flera) vid behov i Power BI.

  2. I Power BI:

    1. I huvudfönstret väljer du ​ Hämta data ​ i det övre verktygsfältet.

    2. Välj More… i den vänstra listen.

    3. På skärmen Hämta data söker du efter PostgresSQL och väljer ​ PostgresSQL-databasen ​ i listan.

    4. I dialogrutan ​ PostProgressSQL-databas ​:

      1. Klistra in parametern **** Host **** från Experience Platform Queries Credentials i textfältet ​ Server ​.

      2. Klistra in parametern **** Database **** från Experience Platform Queries Credentials i textfältet ​ Database ​ .

        Lägg till ?FLATTEN i parametern ​ Database ​, så den blir som prod:cja?FLATTEN till exempel. Mer information finns i Förenkla kapslade datastrukturer för användning med BI-verktyg från tredje part.

      3. Välj DirectQuery när du uppmanas till Data Connectivity-läge.

      4. Du uppmanas att ange Username och Password. Använd motsvarande parametrar från Experience Platform Queries Credentials.

    5. När inloggningen är klar visas datavytabellerna för Customer Journey Analytics i Power BI:er ​ Navigator ​.

    6. Markera de datavytabeller som du vill använda och välj ​ Läs in ​.

    Alla dimensioner och mätvärden som är kopplade till en eller flera markerade tabeller visas i den högra rutan, redo att användas i dina visualiseringar.

    Mer information finns i Anslut Power BI till frågetjänsten. Se även BI-användningsfall för tillägg för ett detaljerat exempel.

Tableau Desktop
  1. Här hittar du information om dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:

    1. Välj **** Frågor **** i den vänstra listen (under ​ DATAHANTERING ​).

    2. Välj ​ Autentiseringsuppgifter ​ i det övre fältet.

    3. Välj cja-databasen för din sandlåda i listan över databaser i listrutan Database. Till exempel prod:cja.

    4. Använd Kopiera om du vill kopiera var och en av Postgres-autentiseringsparametrarna (Host, Port, Database, Username med flera) när det behövs i Tableu Desktop.

  2. I Tableau Desktop:

    1. Välj **** Mer **** från ​ Till en server ​ i den vänstra listen.

    2. Välj ​ PostgresSQL ​ i listan.

    3. I dialogrutan PostgresSQL:

      1. Klistra in parametern **** Host **** från Experience Platform Queries Credentials i textfältet ​ Server ​.

      2. Klistra in parametern **** Port **** från Experience Platform Queries Credentials i textfältet ​ Port ​.

      3. Klistra in parametern **** Database **** från Experience Platform Queries Credentials i textfältet ​ Database ​ .

        Lägg till %3FFLATTEN i parametern ​ Database ​, så den blir som prod:cja%3FFLATTEN till exempel. Mer information finns i Förenkla kapslade datastrukturer för användning med BI-verktyg från tredje part.

      4. Välj **** Användarnamn och lösenord **** i listan ​ Autentisering ​.

      5. Klistra in parametern **** Användarnamn **** från Experience Platform-frågor Credentials i textfältet ​ Användarnamn ​.

      6. Klistra in parametern **** Password **** från Experience Platform Queries Credentials i textfältet ​ Password ​ .

      7. Välj ​ Logga in ​.

    4. Customer Journey Analytics datavyer visas som tabeller i listan ​ Tabell ​.

    5. Dra de tabeller som du vill använda på arbetsytan.

    Nu kan du arbeta med data från datavytabellerna för att skapa rapporter och visualiseringar.

    Mer information finns i Ansluta tabell till frågetjänsten. Se även BI-användningsfall för tillägg för ett detaljerat exempel.

Looker
  1. Här hittar du information om dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:

    1. Välj **** Frågor **** i den vänstra listen (under ​ DATAHANTERING ​).

    2. Välj ​ Autentiseringsuppgifter ​ i det övre fältet.

    3. Välj cja-databasen för din sandlåda i listan över databaser i listrutan Database. Till exempel prod:cja.

    4. Använd Kopiera om du vill kopiera var och en av Postgres-autentiseringsparametrarna (Host, Port, Database, Username med flera) vid behov i Looker.

  2. I Looker:

    1. Välj Admin i den vänstra listen.
    2. Välj Connections.
    3. Välj Add Connection.
    4. Klistra in lämpliga värden på skärmen Connect your database to Looker när du konfigurerar den nya anslutningen. Se till att du väljer PostgreSQL 9.5+ som dialekt.
    5. Välj Test om du vill testa anslutningen.
    6. När det är klart väljer du Update för att spara anslutningen.

    Nu kan du arbeta med data från datavytabellerna för att skapa rapporter och visualiseringar.

    Mer information finns i Anslut sökare till frågetjänst. Se även BI-användningsfall för tillägg för ett detaljerat exempel.

Jupyter Notebook
  1. Här hittar du information om dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:

    1. Välj **** Frågor **** i den vänstra listen (under ​ DATAHANTERING ​).

    2. Välj ​ Autentiseringsuppgifter ​ i det övre fältet.

    3. Välj cja-databasen för din sandlåda i listan över databaser i listrutan Database. Till exempel prod:cja.

    4. Använd Kopiera om du vill kopiera var och en av Postgres-autentiseringsparametrarna (Host, Port, Database, Username med flera) vid behov i Jupyter-anteckningsboken.

  2. I Jupyter Notebook:

    1. Se till att du använder de bibliotek som behövs.
    2. Använd rätt värden när du konfigurerar och kör anslutningen.
    3. Testa anslutningen genom att köra en relevant fråga.

    När det är klart kan du arbeta med data för att skapa rapporter och visualiseringar.

    Mer information finns i Ansluta Jupyter-anteckningsbok till frågetjänsten. Se även BI-användningsfall för tillägg för ett detaljerat exempel.

RStudio
  1. Här hittar du information om dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:

    1. Välj **** Frågor **** i den vänstra listen (under ​ DATAHANTERING ​).

    2. Välj ​ Autentiseringsuppgifter ​ i det övre fältet.

    3. Välj cja-databasen för din sandlåda i listan över databaser i listrutan Database. Till exempel prod:cja.

    4. Använd Kopiera om du vill kopiera var och en av Postgres-autentiseringsparametrarna (Host, Port, Database, Username med flera) vid behov i Jupyter-anteckningsboken.

  2. I RStudio:

    1. Se till att du använder de bibliotek som behövs.
    2. Använd rätt värden när du konfigurerar och kör anslutningen.
    3. Testa anslutningen genom att köra en relevant fråga.

    När det är klart kan du arbeta med data för att skapa rapporter och visualiseringar.

    Mer information finns i Anslut RStudio till frågetjänsten. Se även BI-tilläggsanvändningsfall för ett detaljerat exempel (som använder RPostgres-paketet i stället).

Se Ansluta klienter till frågetjänsten för en översikt och mer information om de olika verktygen som finns.

Se Användningsexempel om hur du slutför ett antal användningsfall med Customer Journey Analytics BI-tillägget.

Funktionalitet

Som standard har datavyerna ett tabellsäkert namn som genereras utifrån det egna namnet. Datavyn My Web Data View har till exempel vynamnet my_web_data_view. Du kan definiera ett föredraget namn som ska användas i BI-verktyget för datavyn. Mer information finns i Datavy settings.

Om du vill använda ID:n för datavyn som tabellnamn kan du lägga till den valfria inställningen CJA_USE_IDS i databasnamnet när du ansluter. prod:cja?CJA_USE_IDS visar till exempel dina datavyer med namn som dv_ABC123.

Dataförvaltning

De datastyrningsrelaterade inställningarna i Customer Journey Analytics ärvs från Adobe Experience Platform. Integrationen mellan Customer Journey Analytics och Adobe Experience Platform Data Governance möjliggör märkning av känsliga Customer Journey Analytics-data och tillämpning av sekretesspolicyer.

Sekretessetiketter och integritetspolicyer som har skapats för datauppsättningar som används av Experience Platform kan visas i arbetsflödet för datavyer i Customer Journey Analytics. Data som efterfrågas med Customer Journey Analytics BI extension visar därför lämpliga varningar eller fel när de inte följer definierade sekretessetiketter och principer.

Visa datavyer

I standard-PostgreSQL CLI kan du visa dina vyer med \dv

prod:all=> \dv
                       List of relations
 Schema |                    Name                    | Type |  Owner
--------+--------------------------------------------+------+----------
 public | my_web_data_view                           | view | postgres
 public | my_mobile_data_view                        | view | postgres

Kapslade kontra separerade

Som standard använder schemat för datavyer kapslade strukturer, precis som de ursprungliga XDM-schemana. Integrationen stöder även alternativet FLATTEN. Du kan använda det här alternativet för att tvinga schemat för datavyer (och andra tabeller i sessionen) att förenklas. Förenkling gör det enklare att använda i BI-verktyg som inte stöder strukturerade scheman. Mer information finns i Arbeta med kapslade datastrukturer i frågetjänsten.

Standardvärden och begränsningar

Följande ytterligare standardvärden och begränsningar gäller när du använder BI-tillägget:

  • BI-tillägget kräver en radgräns för frågeresultaten. Standardvärdet är 50, men du kan åsidosätta detta i SQL med LIMIT n, där n är 1 - 50000.

  • BI-tillägget kräver ett datumintervall för att begränsa de rader som används för beräkningar. Standardvärdet är de sista 30 dagarna, men du kan åsidosätta detta i SQL WHERE-satsen med hjälp av de särskilda timestamp- eller daterange-kolumnerna.

  • BI-tillägget kräver aggregerade frågor. Du kan inte använda SQL som SELECT * FROM ... för att hämta de underliggande raderna i Raw-format. På en hög nivå bör dina sammanställda frågor använda:

    • Välj summor med SUM och/eller COUNT.
      Till exempel SELECT SUM(metric1), COUNT(*) FROM ...

    • Välj mått uppdelade efter dimension.
      Exempel: SELECT dimension1, SUM(metric1), COUNT(*) FROM ... GROUP BY dimension1

    • Välj distinkta mätvärden.
      Exempel: SELECT DISTINCT dimension1 FROM ...

      Mer information finns i SQL som stöds.

SQL som stöds

Mer information om vilken typ av SQL som stöds finns i SQL-referens för frågetjänst.

Se tabellen nedan för exempel på den SQL du kan använda.

Exempel
table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 6-row-2 7-row-2 8-row-2 9-row-2 10-row-2 layout-auto
Mönster Exempel
Schemaidentifiering
code language-none
SELECT * FROM dv1 WHERE 1=0
Rankad eller uppdelad
code language-none
SELECT dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY dim1
code language-none
SELECT dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' AND
  filterId = '12345'
GROUP BY dim1
code language-none
SELECT dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' AND
  AND (dim2 = 'A' OR dim3 IN ('X', 'Y', 'Z'))
GROUP BY dim1
HAVING sats
code language-none
SELECT dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY dim1
HAVING m1 > 100
Distinkt, övre dimensionsvärden
code language-none
SELECT DISTINCT dim1 FROM dv1
code language-none
SELECT dim1 AS dv1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY dim1
code language-none
SELECT dim1 AS dv1
FROM dv1
WHERE `timestamp` >= '2022-01-01' AND `timestamp` < '2022-01-02'
GROUP BY dim1
ORDER BY SUM(metric1)
LIMIT 15
Måttsummor
code language-none
SELECT SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
Flera dimensioner uppdelning och förstklassiga
code language-none
SELECT dim1, dim2, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY dim1, dim2
code language-none
SELECT dim1, dim2, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY 1, 2
ORDER BY 1, 2
code language-none
SELECT DISTINCT dim1, dim2
FROM dv1
Delmarkera: Filtrera ytterligare resultat
code language-none
SELECT dim1, m1
FROM (
  SELECT dim1, SUM(metric1) AS m1
  FROM dv1
  WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
 GRUPPERA EFTER NEDRE1
)
WHERE dim1 in ('A', 'B')
Delmarkera: Fråga tvärs över datavyer
code language-none
SELECT key, SUM(m1) AS total
FROM (
  SELECT dim1 AS key, SUM(metric1) AS m1
  FROM dv1
  WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
  GROUP BY dim1


  UNION


  SELECT dim2 AS key, SUM(m1) AS m1
  FROM dv2
  WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
  GROUP BY dim2
)
GROUP BY key
ORDER BY total
Delmarkera: Källa i lager, filtrering, och aggregering

Lager med delmarkeringar:

code language-none
SELECT rows.dim1, SUM(rows.m1) AS total
FROM (
  SELECT _.dim1,_.m1
  FROM (
    SELECT * FROM dv1
    WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
  ) _
  WHERE _.dim1 in ('A', 'B', 'C')
) rows
GROUP BY 1
ORDER BY total

Lager med CTE WITH:

code language-none
WITH rows AS (
  WITH _ AS (
    SELECT * FROM data_ares
    WHERE `timestamp` BETWEEN '2021-01-01' AND '2021-02-01'
  )
  SELECT _.item, _.units FROM _
  WHERE _.item IS NOT NULL
)
SELECT rows.item, SUM(rows.units) AS units
FROM rows WHERE rows.item in ('A', 'B', 'C')
GROUP BY rows.item
Markerar var mätvärden kommer före eller är blandade med dimensionerna
code language-none
SELECT SUM(metric1) AS m1, dim1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY 2

Mått

Du kan välja någon av de tillgängliga dimensionerna som standard eller definierad i datavyn. Du väljer en dimension med dess ID.

Mätvärden

De mätvärden som är tillgängliga är:

  • någon av de mätvärden som är tillgängliga som standard,
  • Definieras i datavyn.
  • Beräknade mått som är kompatibla med datavyn som användaren har åtkomst till.

Du väljer ett mått med dess ID som omsluts av ett SUM(metric)-uttryck på samma sätt som du gör med andra SQL-källor.

Du kan använda

  • SELECT COUNT(*) eller COUNT(1) om du vill hämta förekomstmått.
  • SELECT COUNT(DISTINCT dimension) eller SELECT APPROX_COUNT_DISTINCT(dimension) om du vill räkna de ungefärliga distinkta värdena för en dimension. Se information i Räkna distinkta värden.
  • Infogade beräkningar om du vill kombinera mätvärden i farten och/eller göra matematik på dem.

Räkna distinkta värden

På grund av den underliggande karaktären hos hur Customer Journey Analytics fungerar är den enda dimensionen du kan få ett exakt distinkt antal för dimensionen adobe_personid. Följande SQL-satser SELECT COUNT(DISTINCT adobe_personid) eller SELECT APPROX_COUNT_DISTINCT(adobe_personid) returnerar värdet för standardpersonmåttet, vilket är antalet distinkta personer. För andra dimensioner returneras ett ungefärligt distinkt antal.

Villkorliga mått

Du kan bädda in en IF- eller CASE-sats i funktionerna SUM eller COUNT för att lägga till ytterligare segmentering som är specifik för ett valt mätresultat. Att lägga till dessa satser liknar att tillämpa ett segment i en måttkolumn i en Workspace-rapporttabell.

Exempel:

SUM(IF(dim1 = 'X' AND dim2 = 'A', metric1, 0)) AS m1
SUM(CASE WHEN dim1 = 'X' AND dim2 = 'A' THEN metric1 END) AS m1

Infogade beräkningar

Du kan använda ytterligare matematik för måttuttryck i SELECT. Denna matematik kan användas i stället för att definiera matematiken i ett beräknat mått. I följande tabell visas vilka typer av uttryck som stöds.

Operatör eller funktion
Information
+, -, *, / och %
Lägg till, subtrahera, multiplicera, dela och modulera/rest
-X eller +X
Ändra tecknet eller ett mått där X är måttuttrycket
PI()
π konstant
POSITIVE, NEGATIVE, ABS, FLOOR, CEIL, CEILING, EXP, LN, LOG10, LOG1P, SQRT, CBRT, DEGREES, RADIANS, SIN, COS, TAN, ACOS, ASIN, ATAN, COSH, SINH och TANH
Unära matematiska funktioner
MOD, POW, POWER, ROUND, LOG
Binära matematiska funktioner

Specialkolumner

Tidsstämpel

Specialkolumnen timestamp används för att ange datumintervall för frågan. Ett datumintervall kan definieras med ett BETWEEN-uttryck eller ett par av timestamp >, >=, <, <= kontroller AND tillsammans.
timestamp är valfritt och om inget fullständigt intervall anges används standardvärden:

  • Om bara ett minimum anges (timestamp > X eller timestamp >= X) är intervallet från X till nu.
  • Om bara ett max anges (timestamp < X eller timestamp <= X) är intervallet från X minus 30 dagar till X.
  • Om inget anges är intervallet från och med nu minus 30 dagar.

Tidsstämpelintervallet konverteras till ett globalt datumintervall i RankedRequest.
Tidsstämpelfältet kan också användas i datum/tid-funktioner för att analysera eller korta av händelsens tidsstämpel.

Datumintervall

Specialkolumnen daterange fungerar på ungefär samma sätt som timestamp, men segmenteringen är begränsad till fullständiga dagar. daterange är också valfritt och har samma standardvärden som timestamp.
Fältet daterange kan också användas i datum/tid-funktioner för att analysera eller korta av händelsedatumet.

Specialkolumnen daterangeName kan användas för att segmentera frågan med ett namngivet datumintervall som Last Quarter.

NOTE
Power BI stöder inte daterange-mått som är mindre än en dag (timme, 30 minuter, 5 minuter osv.).

Segment-ID

Specialkolumnen filterId är valfri och används för att tillämpa ett externt definierat segment på frågan. Att använda ett externt definierat segment i en fråga liknar att dra ett segment på en panel i Workspace. Flera segment-ID:n kan användas av AND.

Tillsammans med filterId kan du använda filterName för att använda ett segmentnamn i stället för ett ID.

Where-sats

Satsen WHERE hanteras i tre steg:

  1. Hitta datumintervallet från specialfälten timestamp, daterange eller daterangeName.

  2. Sök efter externt definierade filterId eller filterName som ska inkluderas i segmentet.

  3. Omvandla de återstående uttrycken till ad hoc-segment.

Hanteringen görs genom att tolka den första nivån på AND i WHERE -satsen. Varje AND-ed-uttryck på den översta nivån måste matcha något av ovanstående. Allt som är större än den första nivån i AND eller, om WHERE-satsen använder OR på den översta nivån, hanteras som ett ad hoc-segment.

Sorteringsordning

Som standard sorteras resultatet i frågan efter det första valda måttet i fallande ordning. Du kan skriva över standardsorteringsordningen genom att ange ORDER BY ... ASC eller ORDER BY ... DESC. Om du använder ORDER BY måste du ange ORDER BY för det första valda måttet.

Du kan också vända ordningen genom att använda - (minus) framför måttet. Båda programsatserna nedan resulterar i samma ordning:

ORDER BY metric1 ASC
ORDER BY -metric1 DESC

Allmänt funktionsstöd

Funktion
Exempel
Information
Avgjutning
CAST(`timestamp` AS STRING) eller
`timestamp`::string
Typdatatypsbyte stöds inte för närvarande, men inget fel genereras. Funktionen CAST ignoreras.
Tidsstämpel
WHERE `timestamp` >= TIMESTAMP('2022-01-01 00:00:00') AND `timestamp` < TIMESTAMP('2022-01-02 00:00:00')
Tolka en tidssträng som en tidsstämpel som ska användas i en WHERE-sats.
Till tidsstämpel
WHERE `timestamp` >= TO_TIMESTAMP('01/01/2022', 'MM/dd/yyyy') AND `timestamp` < TO_TIMESTAMP('01/02/2022', 'MM/dd/yyyy')
Tolka en tidssträng som en tidsstämpel som ska användas i en WHERE-sats och ange eventuellt ett format för den tidssträngen.
Datum
WHERE `timestamp` >= DATE('2022-01-01') AND `timestamp` < DATE('2022-01-02')
Tolka en datumsträng som en tidsstämpel som ska användas i en WHERE-sats.
Till datum
WHERE `timestamp` >= TO_DATE('01/01/2022', 'MM/dd/yyyy') AND `timestamp` < TO_DATE('01/02/2022', 'MM/dd/yyyy')
Tolka en datumsträng som en tidsstämpel som ska användas i en WHERE-sats och ange eventuellt ett format för den datumsträngen.

Funktionsstöd för Dimension

Dessa funktioner kan användas för dimensioner i SELECT, WHERE eller i villkorsstyrda mått.

Strängfunktioner

Funktion
Exempel
Information
Nedre
SELECT LOWER(name) AS lower_name
Generera en dynamisk dimensionsidentitet för det skickade fältet.

Funktioner för datum och tid

Funktion
Exempel
Information
År
SELECT YEAR(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Månad
SELECT MONTH(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Dag
SELECT DAY(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Veckodag
SELECT DAYOFWEEK(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet eftersom du behöver talet, inte det egna namnet.
Dag på året
SELECT DAYOFYEAR(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Vecka
SELECT WEEK(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Kvartal
SELECT QUARTER(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Timme
SELECT HOUR(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet eftersom du behöver talet, inte det egna namnet.
Minut
SELECT MINUTE(`timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Extrahera
SELECT EXTRACT(MONTH FROM `timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet för vissa delar av den här funktionen eftersom du behöver talet och inte det egna namnet.
Delar som stöds är:
- Nyckelord: YEAR, MONTH, DAYOFMONTH, DAYOFWEEK, DAYOFYEAR, WEEK, QUARTER, HOUR, MINUTE.
- Strängar: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY, 'W', 'QUARTER', 'QOY', 'Q', 'HOUR' eller 'MINUTE'.
Datum (del)
SELECT DATE_PART('month', `timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet för vissa delar av den här funktionen eftersom du behöver talet och inte det egna namnet.
Följande strängdelar stöds: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY, 'W', 'QUARTER', 'QOY', 'Q', 'HOUR', eller 'MINUTE'.
Datum (trunkerat)
SELECT DATE_TRUNC('quarter', `timestamp`)
Generera en dynamisk dimensionsidentitet för det skickade fältet.
Stränggranulariteter som stöds är: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY, 'W', 'QUARTER', 'QOY', 'Q', 'HOUR' eller 'MINUTE'.

Delvis stöd

Vissa SQL-funktioner stöds bara delvis med BI-tillägget och returnerar inte samma resultat som du ser med andra databaser. Den här specifika funktionen används i SQL som genereras av olika BI-verktyg, för vilka BI-tillägget inte har en exakt matchning. Därför fokuserar BI-tillägget på en begränsad implementering som täcker den minsta användningen av BI-verktyg utan att utlösa fel. Se tabellen nedan för mer information.

Funktion
Exempel
Information
MIN() och MAX()
MIN(daterange) eller
MAX(daterange)
MIN()timestamp, daterange eller någon av daterangeX like daterangeday kommer att returneras för 2 år sedan.

MAX()timestamp, daterange eller någon av daterangeX like daterangeday returnerar aktuellt datum/tid.

MIN() eller MAX() på andra dimensioner, mått eller uttryck returnerar 0.
recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79